Crie um avatar falante a partir de uma foto
Envie um retrato, adicione um roteiro ou uma faixa de áudio, e o Biggsfield transforma isso em um vídeo realista de pessoa falando. O OmniHuman 2 cuida da interpretação, e as vozes ElevenLabs em 29 idiomas ou sua própria voz clonada cuidam das palavras. Os vídeos podem ter até 5 minutos.
- 1Envie uma única foto de retrato.
- 2Escreva seu roteiro com uma voz ElevenLabs, ou envie sua própria faixa de áudio.
- 3Renderize com o OmniHuman 2 e baixe seu vídeo falante.
Uma foto mais áudio vira um vídeo falante
O OmniHuman 2, da ByteDance, pega uma foto e uma faixa de áudio e anima a pessoa de acordo com ela, produzindo um vídeo realista de pessoa falando com até 5 minutos. Você não precisa de filmagem, câmera ou sessão de gravação, só de um retrato nítido. Um prompt curto e opcional em inglês permite direcionar gestos, cenário e câmera, então o mesmo rosto pode apresentar de uma mesa, ficar em pé num estúdio ou falar direto para a lente. Custa 400 créditos a cada 5 segundos, e os créditos têm preço próximo do custo real do modelo.
Dê uma voz de verdade ao seu avatar
O Biggs Voice coloca vozes da ElevenLabs em 29 idiomas no seu avatar, com controle de emoção e ritmo. O ElevenLabs v4 lê tags no texto, como [whispers] e [laughs], para dirigir a entonação, por 17 créditos a cada 1.000 caracteres. Para o avatar falar com a sua voz, clone-a a partir de uma amostra curta, com consentimento, e use o MiniMax Speech 2.8 HD, que suporta (laughs), (sighs) e pausas. Já gravou algo? O Voice Changer troca a voz de qualquer gravação mantendo o timing e a emoção originais.
Já tem um vídeo? Resincronize os lábios
Se você já tem uma gravação e um novo áudio, o Sync Lipsync 3, da Sync Labs, resincroniza os lábios da pessoa com o novo áudio, quadro a quadro. Use para corrigir uma fala, trocar uma narração ou ajustar uma nova gravação sem refilmar. Custa 250 créditos a cada 5 segundos. Para outros idiomas, o Translate & Lip-sync dubla seu vídeo em outro idioma com a sua própria voz, com lábios sincronizados às novas palavras, em uma única etapa. Cada execução custa créditos próximos ao custo real do modelo, e gerações com falha são reembolsadas.
O que você pode usar
Dicas
- Mantenha o prompt do OmniHuman 2 curto e em inglês, usando-o apenas para guiar gestos, cenário e câmera.
- Adicione tags do ElevenLabs v4, como [whispers], [laughs] ou [sighs], ao seu roteiro para dar emoção à fala do avatar.
- Crie primeiro um personagem no Biggsfluencer para que o mesmo rosto apareça em todas as fotos, vídeos e clipes falados, com voz própria.
- Use o Sync Lipsync 3 em vez de gerar um novo avatar quando só precisar trocar o áudio de um vídeo que já existe.
Dúvidas
Qual é a duração máxima de um vídeo com avatar falante?
O OmniHuman 2 cria vídeos de pessoas falando com até 5 minutos de duração, a partir de uma foto e uma faixa de áudio.
Quanto custa?
O OmniHuman 2 custa 400 créditos a cada 5 segundos, e a narração do ElevenLabs v4 custa 17 créditos a cada 1.000 caracteres. Os créditos custam próximo ao custo real do modelo, e gerações com falha são reembolsadas.
Meu avatar pode falar outros idiomas ou usar a minha voz?
Sim. As vozes da ElevenLabs cobrem 29 idiomas, e você pode clonar sua própria voz a partir de uma amostra curta, com consentimento, e usá-la com o MiniMax Speech 2.8 HD.
Posso mudar o que alguém diz em um vídeo que já tenho?
Sim. O Sync Lipsync 3 resincroniza os lábios de um vídeo existente com um novo áudio, quadro a quadro, por 250 créditos a cada 5 segundos.